Kuukausi: helmikuu 2022

Tällä viikolla tutustuttiin ruutukarttojen tekemiseen, uuden vektoriaineiston luomiseen ja ensimmäistä kertaa rasteriaineistojen käsittelyyn QGIS:ssä.

Ruututeemakartta suomenruotsalaisten suhteellisesta määrästä pääkaupunkiseudulla

Päätin tehdä ruututeemakartan ruotsia äidinkielenään puhuvien alueellisesta jakautumisesta pk-seudulla. Ruutukartta mahdollistaa joidenkin absoluuttisten arvojen esittämisen sellaisenaan kartalla, koska jokainen ruutu on samankokoinen, jolloin luvut ovat jo valmiiksi suhteutettuna pinta-alaan. Esimerkiksi asukaslukua eri ruuduilla voisi näin kuvata absoluuttisilla arvoilla. Ruotsinkielisiä päätin esittää kuitenkin suhteellisena määränä ruudun koko asukasluvusta. Ruotsinkielisiä olisi absoluuttisesti esitettynä paljon niissä ruuduissa, joissa olisi muutenkin paljon asukkaita, joten sellaisen esityksen informaatioarvo on melko pieni.

Ennen kuin tein hienosäätöjä kartan ulkoasuun, oli se hyvin vaikeasti tulkittavissa. Ruudut peittivät kaiken muun kartan informaation alleen, joten ruutujen paikallistaminen oli vaikeaa. Lisäsin kartalle tietokannan tiestöstä, vahvistin kuntien rajoja, laitoin ruudut läpinäkyviksi ja tein ruutujen reunoista ohuet. Lopputulos on mielestäni hyvin luettava. Koska tiestö -tietokannassa oli eroteltu erityyppiset tiet, olisi ne voinut esittää vielä esimerkiksi eri väreillä ja paksuuksilla, joka olisi entisestään helpottanut ruudun sijainnin ymmärtämistä. Lisäksi vaikkapa joidenkin paikannimien, esimerkiksi juna- ja metroasemien lisääminen helpottaisi kartan lukijalle oman asuinpaikan löytämistä.

Kartassa näkyvillä ruuduilla asuu vähintään yksi ihminen, muut ruudut karsin pois näkyvistä. Kartalla on kuitenkin useita ruutuja, joissa asuu vain muutama ihminen. Tällaisissa ruuduissa ruotsinkielisten osuus voi olla korkea vaikka siellä asuisikin vain yksi ruotsinkielinen. Esimerkiksi Espoossa Haukilahden edustalla olevalla Brändholmin saarella näyttäisi olevan kaikkein tummimman värisin ruutu. Katsottuani attribuuttitaulusta ruudun asukasmäärää huomasin, että sillä asuu vain yksi ihminen (joka on ruotsinkielinen). Eipä siis myöskään suhteellinen esitys onnistu täysin ongelmitta.

Huolimatta tästä yhden henkilön ruudusta Espoon rannikolla, näyttäisi ruotsinkielisten osuus olevan korkeampaa muillakin alueilla Espoon ja Helsingin rannikolla. Myöskin esimerkiksi Helsingin kantakaupunki ja Östersundom, Kauniainen sekä Nuuksion alue näyttäisivät olevan ruotsinkielisen väestön kasautumia. En tiedä tarkalleen mistä erot ruotsinkielisten osuudessa eri alueilla johtuu, mutta arvelisin että syyt ovat historialliset ja elintasoeroista johtuvat. Meren läheisyydessä sijaitsevat alueet ovat yleisesti halutumpia ja niin myös kalliimpia kuin muut alueet. Kauniainen on myös kysyttyä ja kalliimpaa aluetta esimerkiksi matalan kunnallisveron takia. Suuren osan Suomen historiasta ruotsi oli sivistyneistön kieli, joka saattaa näkyä vielä nykypäivänäkin koulutus- ja elintasoeroina ruotsin- ja suomenkielisten välillä. Esimerkiksi Elida Peuhu kertoo blogissaan ruotsinkielisten korkeasta osuudesta Espoossa juontuvan ruotsalaisten siirtolaisten asettumisesta alueelle.

Ruututeemakartta on mielestäni hyvin selkeä esitystavaltaan verrattuna koropleettikartaan tai pisteteemakarttaan, koska kaikki ruudut ovat samankokoisia. Ruututeemakartta antaa nopeasti yleiskuvan ilmiön alueellisuudesta ilman että tarvitsisi alkaa vaikkapa zoomailemaan. Ongelmina on sen sijaan esimerkiksi ruutukartan ruutujen keinotekoisuus. Ne eivät muodosta mitään oikeaan maailmaan liittyvää yhtenäistä aluetta, vaan voi käydä kuten minulla ja yhteen ruutuun jäädä vaikka juurikin yksi asukas.

Rasteriaineiston käsittelyä

Jälleen kurssikerran asioista on kulunut sen verran aikaa, että täytyi virkistää muistia ohjetta lukemalla mitä sitä tulikaan tunnilla tehtyä. Yhdistimme neljässä osassa olevan korkeusmallin yhdeksi rasteritasoksi tekemällä virtuaalisen rasteritason, jonka eroa normaaliin tasoon en ymmärtänyt. Tätä yhdistettyä korkeusmalli -rasteria käytimme kuitenkin korkeuskäyrien ja vinovalovarjosteen tekemiseen.

 

 

 

 

 

 

 

 

Kun korkeusmallista tietokoneen tekemiä korkeuskäyriä vertaa vuoden 1991 peruskarttalehteen, voi havaita että tietokoneen tekemänä käyrissä on paljon epätasaisuutta ja mutkittelua kohdissa, jotka ovat rajakorkeudella. Jos vierekkäisissä pisteissä on korkeus vaikkapa 10 metrin molemmin puolin, tulee tätä mutkittelua helposti. Peruskarttalehdessä on sen sijaan tehty karkeampi yleistys korkeudesta, jotta käyrästä tulisi miellyttävämmän näköinen ja helpommin luettava.

Teimme lisäksi rasterimuotoisen taustakartan avulla piirtämällä uusia vektoritasoja mm. teistä ja rakennuksista. Tämä oli mielestäni aika suoraviivaista ja mekaanista puuhaa. Tiet tulivat viiva-muotoiseksi vektoritasoksi ja rakennukset pistetasoksi.

Loppupäätelmät viikolta

Tämä oli ensimmäinen viikko, kun pahempia ongelmia ei tullut ollenkaan eteen. Joko minulla kävi hyvä tuuri tai sitten olen oikeasti oppinutkin jotain tähän mennessä kurssia. Rasteriaineisto tuntui hieman kankealta verrattuna vektoriaineistoihin. Esimerkiksi käyttämässämme taustakartassa paikannimet näkyivät selvästi vain tietyltä etäisyydeltä suurentaessa. Toisaalta korkeusmalli -rasteriaineisto mahdollisti tarkan kuvauksen alueen pinnanmuodoista.

Lähteet:

Peruskartta 1:20 000, lehti 2043 12 Pornainen. Maanmittaushallitus, Helsinki 1991. Saatavilla: http://vanhatpainetutkartat.maanmittauslaitos.fi/

Peuhu, Elida (2022). Ruutukarttoja ja rasteriaineistoja. Geoinformatiikan menetelmät. Lainattu 23.2.2022, saatavilla: https://blogs.helsinki.fi/elida/

Unohdin siirtää tunnilla tuotetut aineistot OneDriveen, joten päätin jättää blogin kirjoittamisen vasta siihen kun sain seuraavan viikon tunnilla siirrettyä ne. Nyt kun viikon 3 tunnista on jo yli viikko ei asiat ole aivan niin tuoreessa muistissa. Päällimmäiset mietteet viikolta on kuitenkin, että uutta asiaa tuli runsaasti. Ensimmäinen kosketus tuli esimerkiksi QGIS:in prosessointi työkalujen käyttöön ja tietokantaliitosten tekemiseen. QGIS:n puutteellisuus monessa toiminnossa ja esimerkiksi varovaisuus, jota pitää noudattaa ettei ohjelma kaadu ihmetyttää.

Afrikka

Koitin tehtävänantoa selailemalla palauttaa mieleen, mitä kaikkea uutta tehtävään liittyen tuli opittua. Uusia asioita oli esimerkiksi tietokannan siistiminen rivejä yhdistämällä Merge-toiminnolla ja Dissolve-toiminnolla. Lisäksi tutuksi tuli tietokantaliitosten tekeminen, joka kuulemma tulee olemaan todella peruskauraa paikkatietoaineistojen käsittelyssä. Siihen nähden, että toimintoa käytetään runsaasti oli mielestäni erikoista, miten varovainen liitoksen tekemisessä joutui olemaan ettei ohjelma kaadu.

Kuvassa 1 näkyy konfliktien sijoittumista suhteessa luonnonvarojen sijaintiin. En ymmärtänyt täysin kartalla näkyvien pisteiden merkitystä, koska esimerkiksi Angolassa oli attribuuttitaulun tietojen perusteella ollut 69 konfliktia, mutta konflikteja merkkaavia pisteitä näyttäisi olevan Angolassa paljon vähemmän. Ehkäpä siis yksi piste voi merkitä useampaakin konfliktia. Konflikteja näyttäisi esiintyvän paljon maissa, joissa on myös paljon luonnonvaroja. Toisaalta on myös maita, joissa on paljon konflikteja, mutta ei juurikaan luonnonvaroja (esim. Etiopia) ja paljon luonnonvaroja, mutta ei konflikteja (esim. Gabon).

Tietokannoista löytyi lisäksi paljon muutakin tietoa, jota ei tässä kartassa ole esitelty. Sieltä löytyi esimerkiksi tiedot konfliktien tapahtumavuosista, konfliktin laajuudesta, sekä timanttikaivosten että öljykenttien löytämisvuosista, käyttöönottovuosista ja tuottavuusluokitteluista. Lisäksi oli internetin ja Facebookin käyttäjien lukumäärä eri vuosina. Näillä tiedoilla voisi esimerkiksi verrata luonnonvarojen löytövuosia konfliktien alkamisvuosiin. Ilman syvempää perehtymistäni aineistoon, oletukseni on että konflikteja on syttynyt enemmän niinä vuosina kun uusia luonnonvaroja on löytynyt. Oletan näin, koska erilaiset etniset ja poliittiset ryhmittämät epävakaissa maissa luultavasti taistelevat oikeuksistaan luonnonvaroista saataviin rikkauksiin. Toinen mielenkiintoinen vertailu voisi olla Facebookin ja internetin käyttäjien määrä suhteessa konfliktien määrään. Sosiaalisen median roolista esimerkiksi 2010-luvun alussa Pohjois-Afrikasta alkaneessa Arabikeväässä on keskusteltu laajalti.

Tulvaindeksi

Toinen viikon tehtävä oli koropleettikartan tekeminen, jossa muuttujana on tulvaindeksit Suomen valuma-alueilla. Tulvaindeksi kuvaa joen herkkyyttä tulvimiselle ja se lasketaan keskiylivirtaaman ja keskialivirtaaman suhteena. Toisin sanoen siis vertaillaan kuinka moninkertainen joen vuoden suurin virtaama on verrattuna pienimpään virtaamaan.

Päätin yksinkertaistuksen vuoksi jättää kartasta joet ja järvet pois näkyvistä, koska mielestäni niiden kanssa kartta näytti hyvin sekavalta. Järvisyyttä kuvaa ympyrädiagrammi, joka jäi kyllä huonosti luettavaksi pienemmillä valuma-alueilla. Selvästi kartan ulkoasun muokkaamisessa on vielä paljon opittavaa. Olisin lisäksi halunnut merkitä ympyrädiagrammin paremmin legendaan, mutta en keksinyt miten se tehdään.

Kartasta voi havaita, että tulvaherkät alueet sijoittuvat rannikoille. Niissä järvisyysprosentti on pientä, mistä johtuen valuma-alueella on vähemmän vedenvarastointi mahdollisuutta. Lisäksi rannikkoalueiden pienet korkeuserot ja esimerkiksi maankohoaminen altistavat tulville. Topias Vanhatalo tuo esiin blogissaan syitä Lapin suurien jokien verrattain pienille tulvaherkkyyksille. Suuremman järvisyyden ja korkeuserojen lisäksi hän toteaa voimalaitoksien toimivan vedenpinnan korkeutta säätelevänä tekijänä.

Loppupäätelmät viikolta

Omien kokemusteni pohjalta sekä muiden blogeja lukiessa toistuva ongelma tuntuu olevan se, että koulun koneella tehtyjä töitä ei saakaan avattua omalla koneella. Itsellä tällä viikolla se johtui hajamielisyydestä kun en muistanut siirtää tiedostoja tunnin lopuksi. Tähän voisi olla ratkaisuna HY:n kotihakemiston käyttäminen tallennuspaikkana kaikilla koneilla, jolloin ei tarvitsisi siirtää mitään. Täytyykin tutustua sen käyttöönottoon paremmin.

QGIS tuli taas hieman tutummaksi (myös huonot puolet). Vaikkakaan ei aina helppoa, GIS on mielestäni oikein mukavaa puuhaa. Kun tietokantoja joutuu itse käsittelemään ja havainnollistamaan kartalla tulee sen sisältämää tietoa pohdittua tarkemmin ja samalla oma maantieteellinen ymmärrys laajenee.

Lähteet

Vanhatalo, Topias (2022). Concatenate ja epätoivoinen taulukkopaini. TKV MAA-202 BLOGI. Lainattu 14.2.2022, saatavilla: https://blogs.helsinki.fi/topiasva/2022/02/03/concatenate-ja-epatoivoinen-taulukkopaini/

 

Tämän viikon aiheena oli eri projektioiden vertailu käyttäen eri toimintoja QGIS:ssä. Uusia toimintoja, jotka tulivat tutuiksi olivat esimerkiksi mittatyökalun käyttö ja geometriatietojen lisääminen attribuuttitauluun vektoritasolta. Projektioiden merkitys selveni jonkun verran tämän kerran myötä, mutta myös uusia kysymyksiä heräsi. Miksi esimerkiksi pinta-ala laskuissa ei käytettäisi todellisia maastosta mitattuja arvoja? Ei kai silloin projektion valinnalla pitäisi olla merkitystä tuloksiin?

Projektioiden vertailua taulukossa

Hyödynsimme tunnilla QGIS:n mittatyökalua vertailtaessa eri projektioita, ja sitä miten samasta kohtaa Suomea otetut etäisyyden ja pinta-alan mitat muuttuvat eri projektioissa. Valitsin aluksi täysin sattumanvaraisesti eri projektioita ja kirjasin tulokset ylös. Päätin kuitenkin tehdä mittaukset uudestaan ja valita vertailtavaksi yhden jokaista projektiotyyppiä: oikeakulmaisen, oikeapintaisen, oikeapituisen ja kompromissi projektion. Näitä projektioita vertailin Suomessa yleisesti käytettävään ETRS89-TM35FIN -projektioon, koska se vääristää Suomen mittoja vain vähän.

Väänsin Excelissä lukujen kanssa aivan tarpeettoman pitkän ajan ja turhautuminen alkoi jo olemaan läsnä, kun en saanut laskuja suoritettua edes kattavan Googlettelun jälkeenkään. Ongelma kuitenkin ratkesi lopulta kun muistin, että olin muuttanut aikaisemmin desimaalierottimen pilkusta pisteeksi 😀 Tästä johtuen Excel ei tunnistanut soluja lukuarvoiksi. Tämän ratkettua onneksi homma lähti rullaamaan.

Ensimmäinen havainto taulukosta 1 on, että Mercatorin projektio vääristää pinta-alaa todella paljon. Mitattava alue oli Suomen ”päälaelta”. Mercatorin projektion ollessa pystysuuntainen lieriöprojektio, jossa sivuamiskohta on päiväntasaajalla, vääristyy alueet sitä enemmän, mitä kauempana ne on päiväntasaajalta. Suomen päälaen korkeudella pinta-ala näyttäisi olevan lähes 7,5-kertainen verrattuna ETRS89-TM35FIN -projektioon. Sekin on Mercatorin projektio, mutta poikittainen sellainen, eli sivuamiskohta on päiväntasaajan sijaan pituuspiiri 27° itäistä pituutta.

Taulukosta nähdään myös, että Lambertin oikeapintainen projektio on pinta-alaltaan hyvin lähellä. Tasavälinen kartioprojektio on taas pituudeltaan hyvin lähellä. Toisaalta siinä myös pinta-ala näyttäisi olevan melko lähellä.

Tarkemmin projektion kuvausta lukiessani löysin hieman vaikeasti luettavasta koodista, että kartioprojektion standardileveyspiiriksi on valittu 60° leveyspiiri (kuva 1). Tällöin siis sivuamiskohta kulkee eteläisen Suomen kautta, joten vääristymä ei myöskään Lapissa ole vielä kovin suurta.

Robinsonin projektio on kompromissi projektio eli se ei näytä mitään ominaisuutta täysin oikein. Taulukosta nähdään, että vääristymät ovat maltillisia verrattuna esimerkiksi Mercatorin projektioon.

Projektioiden vertailua havainnollistavien karttojen avulla

Tässä tehtävässä hyödynnettiin QGIS:n geometriatyökalua vektoritasoille, jolla saatiin luotua uusi vektoritaso, jolla oli edellisen tason attribuuttien lisäksi tiedot polygonien pinta-aloista ja ympärysmitoista. Näin saatiin kunnat2020 -tasolle laskettua kuntien pinta-alat eri projektioissa.

Pohdin karttoja tehdessäni, olisiko parempi kuvata kartat samassa ETRS89-TM35FIN -projektiossa vai käyttää jokaiseen karttaan omaa projektiotaan. Päädyin jälkimmäiseen vaihtoehtoon gis-ammattilaisen mielipidettä kysyttyäni. Tällä tavalla saa myös visuaalisesti havainnoitua, miten kartta venyy eri projektioissa.

Jälleen kerran havaitaan kuvasta 2, että Mercatorin projektio vääristää pinta-aloja eniten. Kartta tukee myös taulukossa 1 tehtyä laskelmaa, jossa pinta-ala vääristymä oli noin 7,5-kertainen. Itselle yllättävä tieto kartasta oli, kuinka paljon vääristymissä on eroa myös Suomen sisällä. Etelä-Suomi vääristyy pienimmillään noin 4 kertaiseksi, kun Lapissa vääristymä on suurimmillaan yli 8 kertainen.

Kuvista 3 ja 4 saa käsitystä kompromissi projektioiden vääristymistä. Karttojen perusteella näyttäisi, että Robinsonin projektio on parempi kuvaamaan Suomea kuin Winkelin Tripel -projektio.

Kartat itsessään oli mielestäni kiva tehdä. Projektioiden pinta-alojen suhteita laskettaessa sai olla kuitenkin tarkkana, että käyttää kunkin kartan kohdalla oikeita suhdelukuja. Karttojen tulokset näyttävät ihan järkeviltä, joten luulen että laskut menivät oikein.

Loppupäätelmät viikolta

Ymmärrys projektioiden merkityksestä on etenkin maantieteilijöille, mutta myös ihan kaikille karttojen käyttäjille tärkeää. Katariina Maijala kirjoittaa blogissaan Mercatorin projektiosta osuvasti: ”Jos Mercatorin projektion vääristymistä ei ole tietoinen, kartan käyttäminen tieteellisesti tai uutisoinnissa voi vääristää todellisuutta moniulotteisesti.” Kyseessä ei ole siis vain pelkkä kaksiulotteinen pinta-alan vääristymä, vaan se voi pahimmillaan vääristää laajemminkin ihmisten käsitystä maailmasta.

Oma ajatteluni kartoista ja paikkatiedosta on taas edistynyt hieman. Lähiopetuksessa vertailimme esimerkiksi eri mittakaavaisia karttoja Suomen kunnista, joka oli hyödyllistä vahvistamaan ajatusta siitä, että kartan käyttötarkoitus sanelee pitkälti sen ominaisuuksia. Turhaan ei kannata siis karttaan lisätä yksityiskohtia, jos se ei palvele kartan käyttötarkoitusta. Sama pätee myös projektioihin. Projektio valitaan palvelemaan kartan käyttötarkoitusta mahdollisimman hyvin.

Lähteet

Maijala, Katariina (2022). Karttoja ja projektioita. Geoinformatiikan harjoittelua. Lainattu 1.2.2022, saatavilla: https://blogs.helsinki.fi/katariinagem/2022/01/31/karttoja-ja-projektioita/